CN116938759A - 算网服务质量评价方法、装置、电子设备和存储介质 - Google Patents
算网服务质量评价方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN116938759A CN116938759A CN202310926195.1A CN202310926195A CN116938759A CN 116938759 A CN116938759 A CN 116938759A CN 202310926195 A CN202310926195 A CN 202310926195A CN 116938759 A CN116938759 A CN 116938759A
- Authority
- CN
- China
- Prior art keywords
- evaluation index
- evaluation
- determining
- index
- computing network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 328
- 238000000034 method Methods 0.000 claims abstract description 39
- 230000008447 perception Effects 0.000 claims abstract description 37
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012847 principal component analysis method Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 238000013441 quality evaluation Methods 0.000 abstract description 7
- 238000004891 communication Methods 0.000 abstract description 6
- 230000000875 corresponding effect Effects 0.000 description 9
- 230000004186 co-expression Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000013210 evaluation model Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 230000000717 retained effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000003556 assay Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000009960 carding Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010201 enrichment analysis Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5003—Managing SLA; Interaction between SLA and QoS
- H04L41/5009—Determining service level performance parameters or violations of service level contracts, e.g. violations of agreed response time or mean time between failures [MTBF]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/50—Testing arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请涉及通信技术领域，提供一种算网服务质量评价方法、装置、电子设备和存储介质，该方法包括：基于用户对算网服务的感知信息，确定多个第一评价指标；确定每个第一评价指标的相关性，基于相关性确定每个第一评价指标之间的全面相似性，以生成指标集；确定指标集中每个第二评价指标的权重和得分值；基于每个第二评价指标的权重和得分值，确定算网服务质量的评分值，以基于评分值对算网服务质量进行评价。本申请基于用户的感知信息确定第一评价指标，基于第一评价指标的相关性以及全面相似性确定指标集，对算网服务质量进行评价，提高了对算网服务质量评价的准确性。
Description
技术领域
本申请涉及通信技术领域，尤其涉及一种算网服务质量评价方法、装置、电子设备和存储介质。
背景技术
算力网络是一种利用分布式计算资源的网络模型，也称为计算力网络或计算力共享网络。在这种网络中，个人或组织可以将其闲置的计算资源(例如CPU、GPU、服务器等)共享给其他用户或项目，从而形成一个大规模的计算能力池。算力网络基于其高性能、弹性和可扩展性、节省成本、便捷的优势，受到广泛欢迎。算网服务即提供算力网络的服务。
传统的算网服务质量评价主要是面向具体网络专业(移动网络、固定网络等)和具体网络应用(语音、短信、游戏等)的评价模型，考虑的要素更多的是算力网络质量、性能等方面的参数，虽可以较真实的反应算网服务质量情况，但与用户的真实感知体验仍有一定的差距。另一方面，随着算力网络与云计算的融合发展，并最终演变成算网一体的业务形态，基于单专业网络质量、性能指标演化而来的客户服务质量评价体系已不能很好的满足算网融合业态下对于服务质量的评价、改进需求。
综上所述，现有技术中对算网服务质量的评价并不准确。
发明内容
本申请提供一种算网服务质量评价方法、装置、电子设备和存储介质，用以解决现有技术中对算网服务质量的评价并不准确的问题。
本申请提供一种算网服务质量评价方法，包括：
基于用户对算网服务的感知信息，确定多个第一评价指标；
确定每个第一评价指标的相关性，基于所述相关性确定所述每个第一评价指标之间的全面相似性，以生成指标集；
确定所述指标集中每个第二评价指标的权重和得分值；
基于所述每个第二评价指标的权重和得分值，确定算网服务质量的评分值，以基于所述评分值对所述算网服务质量进行评价。
在一个实施例中，所述基于所述相关性确定所述每个第一评价指标之间的全面相似性，以生成指标集，包括：
从多个所述第一评价指标中选取任意两个所述第一评价指标分别作为第一目标评价指标与第二目标评价指标；
基于所述第一目标评价指标与所述第二目标评价指标的第一相关性，所述第一目标评价指标与第三目标评价指标的第二相关性以及所述第二目标评价指标与第三目标评价指标的第三相关性，确定所述每个第一评价指标之间的全面相似性；所述第三目标评价指标为除所述第一目标评价指标和所述第二目标评价指标以外的任一所述第一评价指标；
基于所述全面相似性，确定所述每个第一评价指标的重要性值；
基于所述重要性值，对所述第一评价指标进行筛选，以生成所述指标集。
在一个实施例中，所述基于所述全面相似性，确定所述每个第一评价指标的重要性值，包括：
获取任一所述第一评价指标与各个所述第一评价指标的全面相似性的总和；
将所述总和作为所述第一评价指标的重要性值。
在一个实施例中，确定所述指标集中每个第二评价指标的权重，包括：
确定所述指标集中每个第二评价指标的客观权重和主观权重；
基于所述客观权重和所述主观权重，确定所述每个第二评价指标的权重。
在一个实施例中，确定所述每个第二评价指标的客观权重，包括：
获取算网的客观数据；所述客观数据包括语音数据、视频数据；
基于所述客观数据的收入占比，确定所述每个第二评价指标的客观权重；
或者，基于所述客观数据的流量占比，确定所述每个第二评价指标的客观权重；
若无所述客观数据，则基于主成分分析法确定所述每个第二评价指标的客观权重。
在一个实施例中，确定所述指标集中每个第二评价指标的得分值，包括：
获取所述指标集中每个第二评价指标的指标值；
基于所述指标值所处的数值区间，确定所述每个第二评价指标的得分值。
在一个实施例中，所述基于用户对算网服务的感知信息，确定多个第一评价指标，包括：
基于所述用户对所述算网服务的感知信息，获取所述用户对所述算网服务的需求信息和期望信息；
基于所述需求信息和所述期望信息，确定多个第一评价指标。
本申请还提供一种算网服务质量评价装置，包括：
第一确定模块，用于基于用户对算网服务的感知信息，确定多个第一评价指标；
第二确定模块，用于确定每个第一评价指标的相关性，基于所述相关性确定所述每个第一评价指标之间的全面相似性，以生成指标集；
第三确定模块，用于确定所述指标集中每个第二评价指标的权重和得分值；
评价模块，用于基于所述每个第二评价指标的权重和得分值，确定算网服务质量的评分值，以基于所述评分值对所述算网服务质量进行评价。
本申请还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述算网服务质量评价方法。
本申请还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述算网服务质量评价方法。
本申请提供的算网服务质量评价方法、装置、电子设备和存储介质，通过基于用户对算网服务的感知信息，确定多个第一评价指标；确定每个第一评价指标的相关性，基于所述相关性确定所述每个第一评价指标之间的全面相似性，以生成指标集；确定所述指标集中每个第二评价指标的权重和得分值；基于所述每个第二评价指标的权重和得分值，确定算网服务质量的评分值，以基于所述评分值对所述算网服务质量进行评价。本申请基于用户的感知信息确定第一评价指标，基于第一评价指标的相关性以及全面相似性确定指标集，对算网服务质量进行评价，提高了对算网服务质量评价的准确性。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请提供的算网服务质量评价方法的流程示意图之一；
图2是本申请提供的算网服务质量评价方法的流程示意图之二；
图3是本申请提供的算网服务质量评价装置的结构示意图；
图4是本申请提供的电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请中的附图，对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
下面结合图1-图4描述本申请的算网服务质量评价方法、装置、电子设备和存储介质。
具体地，本申请提供了一种算网服务质量评价方法，参照图1，图1是本申请提供的算网服务质量评价方法的流程示意图之一。
本申请实施例提供的算网服务质量评价方法，包括：
S100，基于用户对算网服务的感知信息，确定多个第一评价指标；
第一评价指标为影响用户对算网服务体验的因素，例如下载速率、呼叫建立时延等。
感知信息为用户在接收算网服务过程中的直观感受，例如实用、成本低、效率高等。
基于用户对算网服务业务体验的全过程，获取用户对算网服务的感知信息。基于用户的感知信息，确定体验指标全集，得到多个第一评价指标。
可选的，确定评价总体目标，基于评价总体目标和用户的感知信息，明确算网服务所需要关注的需求、问题现象以及对应的服务项，对服务项的重要性进行排序，筛选出评价对象以及第一评价指标。结合行业标准和客户感知标准的多元回归分析，设计评价总体目标的等级区间。例如，所需要关注的需求、问题现象以及对应的服务项为速率和安全性，对服务项进行排序，确定评价总体目标为提高算网的速率，对应的第一评价指标为呼叫建立时延、下载速率；设置评价总体目标的等级区间：达标、不达标。
S200，确定每个第一评价指标的相关性，基于相关性确定每个第一评价指标之间的全面相似性，以生成指标集；
相关性是反映两个指标变化趋势一致性的程度。全面相似性是指两个或多个对象在多个特征、属性或维度方面的相似程度。
本申请实施例是通过皮尔逊相关系数来计算第一评价指标的相关性的，具体相关性的计算公式为：
其中，Aij为相关性，Var[i]为i的标准差，Var[j]为j的标准差，cov(i,j)为i和j的协方差，i、j为第一评价指标。
基于计算得到的相关性，剔除相关性较大的指标。例如，如果A和B指标之间存在强相关性，意味着它们提供的信息重复度较高。在这种情况下，可以选择保留其中一个指标，剔除另一个。通常选择保留与研究问题更相关、信息贡献更高、可解释性更强的指标。
可选的，如果相关性较大的指标对于分析任务没有特别重要的解释能力或业务价值，或者希望减少冗余信息，简化模型或分析过程，可以选择剔除相关性较大的指标，仅保留与之相关性较小的指标。
基于保留的第一评价指标的相关性，确定每个第一评价指标之间的全面相似性，以生成指标集。
S300，确定指标集中每个第二评价指标的权重和得分值；
通过第二评价指标的指标值，确定第二评价指标的得分值。
通过第二评价指标的重要性确定第二评价指标的权重。进一步的，通过模型验证、人工验证，调整第二评价指标的权重，并验证权重的设置是否合理。
S400，基于每个第二评价指标的权重和得分值，确定算网服务质量的评分值，以基于评分值对算网服务质量进行评价。
对所有第二评价指标的权重和得分值进行综合计算，得到算网服务质量的评分值。例如，对所有第二评价指标的得分值进行加权求和，得到算网服务质量的评分值，其中评分值的计算公式为：
M＝T1×c1+T2×c2+…+Tn×cn；
其中，M为评分值，T1、T2、Tn为第二评价指标的得分值，c1、c2、cn为第二评价指标的权重。
本申请实施例提供的算网服务质量评价方法，基于用户对算网服务的感知信息，确定多个第一评价指标；确定每个第一评价指标的相关性，基于相关性确定每个第一评价指标之间的全面相似性，以生成指标集；确定指标集中每个第二评价指标的权重和得分值；基于每个第二评价指标的权重和得分值，确定算网服务质量的评分值，以基于评分值对算网服务质量进行评价。本申请基于用户的感知信息确定第一评价指标，基于第一评价指标的相关性以及全面相似性确定指标集，对算网服务质量进行评价，提高了对算网服务质量评价的准确性。
基于上述实施例，基于相关性确定每个第一评价指标之间的全面相似性，以生成指标集，包括：
S210，从多个第一评价指标中选取任意两个第一评价指标分别作为第一目标评价指标与第二目标评价指标；
S220，基于第一目标评价指标与第二目标评价指标的第一相关性，第一目标评价指标与第三目标评价指标的第二相关性以及第二目标评价指标与第三目标评价指标的第三相关性，确定每个第一评价指标之间的全面相似性；第三目标评价指标为除第一目标评价指标和第二目标评价指标以外的任一第一评价指标；
S230，基于全面相似性，确定每个第一评价指标的重要性值；
S240，基于重要性值，对第一评价指标进行筛选，以生成指标集。
选取任意三个第一评价指标i、j、l，分别作为第一目标评价指标、第二目标评价指标和第三目标评价指标。确定第一目标评价指标与第二目标评价指标的第一相关性Aij，第一目标评价指标与第三目标评价指标的第二相关性Ail以及第二目标评价指标与第三目标评价指标的第三相关性Ajl。基于第一相关性、第二相关性、第三相关性，确定两两第一评价指标之间的全面相似性。基于上述步骤，可以确定所有第一评价指标的全面相似性。
第一评价指标i与第一评价指标j的全面相似性的计算公式为：
其中，ωi,j为i与j的全面相似性，Aij为第一相关性，Ail为第二相关性，Ajl为第三相关性。
当第一目标指标与第二目标指标相同的时候，第一相关性为1，进而第一目标指标的全面相似性也为1。
基于全面相似性，计算每个第一评价指标的重要性值。
基于重要性值，对第一评价指标进行筛选。例如，设置阈值，选出超过阈值的重要性值，该超过阈值的重要性值对应的第一评价指标组成的集合为指标集。
进一步的，人工确认指标集，例如咨询专家的建议，对指标集进行进一步筛选。
本申请实施例通过计算全面相似性，进而确定重要性，然后基于重要性对第一评价指标进行筛选，得到指标集；提高了对指标集确定的准确性，进而提高了对算网服务质量评价的准确性。
基于上述实施例，基于全面相似性，确定每个第一评价指标的重要性值，包括：
S231，获取任一第一评价指标与各个第一评价指标的全面相似性的总和；
S232，将总和作为第一评价指标的重要性值。
本申请实施例通过加权基因共表达网络分析法(Weighted Gene Co-expressionNetwork Analysis，WGCNA)计算第一评价指标的重要性。WGCNA分析法的具体步骤包括：
(1)基于第一评价指标的相关性构建相关性矩阵；
(2)构建共表达网络：将相关性矩阵转换成共表达网络。在共表达网络中，每个第一评价指标表示为网络的一个节点，相关性较高的第一评价指标对之间用边连接。通常可以通过选择一定的相关性阈值来定义网络的连接。
(3)模块识别：通过聚类分析等方法将共表达网络中高度相互关联的第一评价指标划分为不同的模块。
(4)对每个模块进行功能富集分析。同时，通过统计方法探索每个模块与评价总体目标之间的相关性，以确定与评价总体目标相关的模块。
第一评价指标的重要性体现为该第一评价指标的变化对共表达网络整体的影响，等于该第一评价指标与共表达网络中其它每个第一评价指标的全面相似性的总和，其中第一评价指标的重要性的计算公式为：
其中，ω为全面相似性的总和，ωi,j为全面相似性。
本申请实施例通过第一评价指标的全面相似性确定第一评价指标的重要性，提高了确定第一评价指标的重要性的准确性，有利于提高对算网服务质量评价的准确性。
基于上述实施例，确定指标集中每个第二评价指标的权重，包括：
S310，确定指标集中每个第二评价指标的客观权重和主观权重；
S320，基于客观权重和主观权重，确定每个第二评价指标的权重。
客观权重是根据客观数据、统计或科学依据来确定的权重。它通常基于事实、可量化的数据或经验，而不受个人主观意见的影响。
主观权重是根据个人或专家的主观意见、价值观和经验来确定的权重。这种权重通常是基于个人的主观判断或主观评估，而不依赖于客观数据。主观权重的确定可能因人而异，不同的个体可能会给予不同的权重，因为它们反映了个人的偏好和主观看法。
先通过模型赋权法基于客观数据进行第二评价指标的客观权重的设计；但这样无法确定客观权重的第二评价指标，可以再采用专家评价法进行主观权重的设计，最终输出综合赋权。
对第二评价指标的客观权重和主观权重进行计算得到第二评价指标的权重。
进一步的，对客观权重和主观权重赋予对应的系数后相乘、求和得到第二评价指标的权重；例如客观权重为a，主观权重为b，对客观权重和主观权重分别赋予系数0.4和0.6，则权重c的计算公式为：
c＝0.4a+0.6b；
本申请实施例基于客观权重和主观权重确定第二评价指标的权重，提高了确定第二评价指标权重的准确性，进而有利于提高对算网服务质量评价的准确性。
基于上述实施例，确定每个第二评价指标的客观权重，包括：
S311，获取算网的客观数据；客观数据包括语音数据、视频数据；
S312，基于客观数据的收入占比，确定每个第二评价指标的客观权重；
S313，或者，基于客观数据的流量占比，确定每个第二评价指标的客观权重；
S314，若无客观数据，则基于主成分分析法确定每个第二评价指标的客观权重。
针对有客观数据的支撑权重设计的第二评价指标或者第二评价指标集合(如某类业务)，先基于客观数据进行客观权重设计。语音和数据业务的客观权重的分布，基于收入占比来设计，例如，当第一评价指标属于语音和数据业务时，若第一评价指标的收入占比大，则第一评价指标的客观权重高。数据业务中网页和视频业务的客观权重的分布，基于流量来设计，例如，当第一评价指标属于网页和视频业务时，若第一评价指标的流量多，则第一评价指标的客观权重高。
无法通过收入和流量来设计客观权重的，基于主成分分析方法(PrincipalComponent Analysis，PCA)计算客观权重。PCA是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。第一主成分是原始数据中方差最大的方向，第二主成分是与第一主成分正交且方差最大的方向，以此类推。将原始数据投影到选择的主成分上，得到降维后的数据。对第一主成分、第二主成分的元素进行归一化处理来获取权重，或者根据第一主成分、第二主成分的大小进行排序，较大的特征值对应的第一主成分或第二主成分可以看作是较高权重的特征。
进一步的，进行专家调研，基于最小离差和最大综合价值的综合赋权模型对主观权重和客观权重进行综合赋权，确保主客观最小离差和最大综合价值，综合赋权模型如下：
其中，α为主观感知类指标占比，β为客观统计类指标占比，ω1j为主观权值，ω2j为客观权值，bij为样本值。
本申请实施例基于客观数据或主成分分析法，确定第二评价指标的客观权重，提高了确定第二评价指标的客观权重的准确性，进而有利于提高对算网服务质量评价的准确性。
基于上述实施例，确定指标集中每个第二评价指标的得分值，包括：
S330，获取指标集中每个第二评价指标的指标值；
S340，基于指标值所处的数值区间，确定每个第二评价指标的得分值。
第二评价指标的指标值为测量或采集得到的数据；例如，第二评价指标为下载速率，采集到的下载速率值为A，A为指标值。
对每个第二评价指标设置数值区间及相应的得分，进而屏蔽各个指标的单位不一致的情况。
根据第二评价指标的客观数据，确定指标集中每个第二评价指标的指标值。将第二评价指标的指标值与数值区间匹配，进而得到该指标值对应的第二评价指标的得分值。
本申请实施例通过对第二评价指标值设置数值区间，提高了确定第二评价指标的得分值的准确性，有利于准确评价算网服务质量。
基于上述实施例，基于用户对算网服务的感知信息，确定多个第一评价指标，包括：
S110，基于用户对算网服务的感知信息，获取用户对算网服务的需求信息和期望信息；
S120，基于需求信息和期望信息，确定多个第一评价指标。
基于用户对算网服务体验的全过程，获取用户对算网服务的需求信息和期望信息；例如，用户的需求信息和期望信息为：算网服务速度快、不卡顿。
基于需求信息和期望信息，确定与需求信息和期望信息联系紧密的评价指标，进而得到第一评价指标；例如，与算网服务速度快联系紧密的评价指标为下载速率、呼叫建立时延；与不卡顿联系紧密的评价指标为呼叫建立时延、视频播放成功率等；则确定下载速率、呼叫建立时延、视频播放成功率为第一评价指标。
本申请实施例基于用户的需求信息和期望信息确定第一评价指标，提高了确定第一评价指标的准确性。
进一步的，闭环验证对算网服务质量的评价与总体评价目标是否匹配，进而验证第一评价指标及其评分值与要反映的社会现象的匹配度情况。若对算网服务质量的评价与总体评价目标不匹配，则验证上述步骤是否正确；若对算网服务质量的评价与总体评价目标匹配，则结束评价。
为了进一步对本申请实施例提供的算网服务质量评价方法进行解析说明，具体通过以下实施例及图2进行说明：
(1)确定总体目标：明确指定服务质量所需要关注的需求、问题现象以及对应的服务项，对重要性进行排序，确定总体评价目标；
(2)选取评价指标，基于总体评价目标以及客户感知，确定评价对象以及第一评价指标；
(3)量化评价指标：确定第二评价指标的得分值；
(4)设置权重：确定第二评价指标的客观权重和主观权重；
(5)计算评分值：基于每个第二评价指标的权重和得分值，计算算网服务质量的评分值，并基于评分值对算网服务质量进行评价。
(6)闭环验证：基于总体评价目标，验证第一评价指标及其评分值与要反映的社会现象的匹配度情况。
本申请实施例提供的算网服务质量评价方法，以客户感知为出发点，将客户主观感受要求逐级具象为客户可感知和体现服务水平的关键指标表达，通过系统化的指标构建方法，输出关键业务、关键指标和加权平均，实现算网服务体验评价的数字化呈现。复杂系统综合评价模型构建方法按照确定总体目标、选取评价指标、量化评价指标、设置权重、计算评分值和闭环验证的流程来开展算网服务质量评价流程，重点对客户关注、客户反馈、客户投诉等数据进行梳理，提炼客户可感的全量客户感知指标，并将全量客户感知指标与该服务经专家调查法得到的客户感知标准阈值进行逐一比对，从而验证服务质量目标达成情况。
图3是本申请提供的算网服务质量评价装置的结构示意图，参照图3，本申请的实施例提供了一种算网服务质量评价装置，包括：
第一确定模块301，用于基于用户对算网服务的感知信息，确定多个第一评价指标；
第二确定模块302，用于确定每个第一评价指标的相关性，基于相关性确定每个第一评价指标之间的全面相似性，以生成指标集；
第三确定模块303，用于确定指标集中每个第二评价指标的权重和得分值；
评价模块304，用于基于每个第二评价指标的权重和得分值，确定算网服务质量的评分值，以基于评分值对算网服务质量进行评价。
本申请实施例提供的算网服务质量评价装置，通过基于用户对算网服务的感知信息，确定多个第一评价指标；确定每个第一评价指标的相关性，基于相关性确定每个第一评价指标之间的全面相似性，以生成指标集；确定指标集中每个第二评价指标的权重和得分值；基于每个第二评价指标的权重和得分值，确定算网服务质量的评分值，以基于评分值对算网服务质量进行评价。本申请基于用户的感知信息确定第一评价指标，基于第一评价指标的相关性以及全面相似性确定指标集，对算网服务质量进行评价，提高了对算网服务质量评价的准确性。
在一个实施例中，第二确定模块302用于：从多个第一评价指标中选取任意两个第一评价指标分别作为第一目标评价指标与第二目标评价指标；基于第一目标评价指标与第二目标评价指标的第一相关性，第一目标评价指标与第三目标评价指标的第二相关性以及第二目标评价指标与第三目标评价指标的第三相关性，确定每个第一评价指标之间的全面相似性；第三目标评价指标为除第一目标评价指标和第二目标评价指标以外的任一第一评价指标；基于全面相似性，确定每个第一评价指标的重要性值；基于重要性值，对第一评价指标进行筛选，以生成指标集。
在一个实施例中，第二确定模块302用于：获取任一第一评价指标与各个第一评价指标的全面相似性的总和；将总和作为第一评价指标的重要性值。
在一个实施例中，第三确定模块303用于：确定指标集中每个第二评价指标的客观权重和主观权重；基于客观权重和主观权重，确定每个第二评价指标的权重。
在一个实施例中，第三确定模块303用于：获取算网的客观数据；客观数据包括语音数据、视频数据；基于客观数据的收入占比，确定每个第二评价指标的客观权重；或者，基于客观数据的流量占比，确定每个第二评价指标的客观权重；若无客观数据，则基于主成分分析法确定每个第二评价指标的客观权重。
在一个实施例中，第三确定模块303用于：获取指标集中每个第二评价指标的指标值；基于指标值所处的数值区间，确定每个第二评价指标的得分值。
在一个实施例中，第一确定模块301用于：基于用户对算网服务的感知信息，获取用户对算网服务的需求信息和期望信息；基于需求信息和期望信息，确定多个第一评价指标。
图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(CommunicationsInterface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行算网服务质量评价方法，该方法包括：
基于用户对算网服务的感知信息，确定多个第一评价指标；确定每个第一评价指标的相关性，基于相关性确定每个第一评价指标之间的全面相似性，以生成指标集；确定指标集中每个第二评价指标的权重和得分值；基于每个第二评价指标的权重和得分值，确定算网服务质量的评分值，以基于评分值对算网服务质量进行评价。
此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本申请还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的算网服务质量评价方法，该方法包括：
基于用户对算网服务的感知信息，确定多个第一评价指标；确定每个第一评价指标的相关性，基于相关性确定每个第一评价指标之间的全面相似性，以生成指标集；确定指标集中每个第二评价指标的权重和得分值；基于每个第二评价指标的权重和得分值，确定算网服务质量的评分值，以基于评分值对算网服务质量进行评价。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种算网服务质量评价方法，其特征在于，包括：
基于用户对算网服务的感知信息，确定多个第一评价指标；
确定每个第一评价指标的相关性，基于所述相关性确定所述每个第一评价指标之间的全面相似性，以生成指标集；
确定所述指标集中每个第二评价指标的权重和得分值；
基于所述每个第二评价指标的权重和得分值，确定算网服务质量的评分值，以基于所述评分值对所述算网服务质量进行评价。
2.根据权利要求1所述的算网服务质量评价方法，其特征在于，所述基于所述相关性确定所述每个第一评价指标之间的全面相似性，以生成指标集，包括：
从多个所述第一评价指标中选取任意两个所述第一评价指标分别作为第一目标评价指标与第二目标评价指标；
基于所述第一目标评价指标与所述第二目标评价指标的第一相关性，所述第一目标评价指标与第三目标评价指标的第二相关性以及所述第二目标评价指标与第三目标评价指标的第三相关性，确定所述每个第一评价指标之间的全面相似性；所述第三目标评价指标为除所述第一目标评价指标和所述第二目标评价指标以外的任一所述第一评价指标；
基于所述全面相似性，确定所述每个第一评价指标的重要性值；
基于所述重要性值，对所述第一评价指标进行筛选，以生成所述指标集。
3.根据权利要求1所述的算网服务质量评价方法，其特征在于，所述基于所述全面相似性，确定所述每个第一评价指标的重要性值，包括：
获取任一所述第一评价指标与各个所述第一评价指标的全面相似性的总和；
将所述总和作为所述第一评价指标的重要性值。
4.根据权利要求1所述的算网服务质量评价方法，其特征在于，确定所述指标集中每个第二评价指标的权重，包括：
确定所述指标集中每个第二评价指标的客观权重和主观权重；
基于所述客观权重和所述主观权重，确定所述每个第二评价指标的权重。
5.根据权利要求4所述的算网服务质量评价方法，其特征在于，确定所述每个第二评价指标的客观权重，包括：
获取算网的客观数据；所述客观数据包括语音数据、视频数据；
基于所述客观数据的收入占比，确定所述每个第二评价指标的客观权重；
或者，基于所述客观数据的流量占比，确定所述每个第二评价指标的客观权重；
若无所述客观数据，则基于主成分分析法确定所述每个第二评价指标的客观权重。
6.根据权利要求5所述的算网服务质量评价方法，其特征在于，确定所述指标集中每个第二评价指标的得分值，包括：
获取所述指标集中每个第二评价指标的指标值；
基于所述指标值所处的数值区间，确定所述每个第二评价指标的得分值。
7.根据权利要求1所述的算网服务质量评价方法，其特征在于，所述基于用户对算网服务的感知信息，确定多个第一评价指标，包括：
基于所述用户对所述算网服务的感知信息，获取所述用户对所述算网服务的需求信息和期望信息；
基于所述需求信息和所述期望信息，确定多个第一评价指标。
8.一种算网服务质量评价装置，其特征在于，包括：
第一确定模块，用于基于用户对算网服务的感知信息，确定多个第一评价指标；
第二确定模块，用于确定每个第一评价指标的相关性，基于所述相关性确定所述每个第一评价指标之间的全面相似性，以生成指标集；
第三确定模块，用于确定所述指标集中每个第二评价指标的权重和得分值；
评价模块，用于基于所述每个第二评价指标的权重和得分值，确定算网服务质量的评分值，以基于所述评分值对所述算网服务质量进行评价。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述算网服务质量评价方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述算网服务质量评价方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310926195.1A CN116938759A (zh) | 2023-07-26 | 2023-07-26 | 算网服务质量评价方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310926195.1A CN116938759A (zh) | 2023-07-26 | 2023-07-26 | 算网服务质量评价方法、装置、电子设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116938759A true CN116938759A (zh) | 2023-10-24 |
Family
ID=88378757
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310926195.1A Pending CN116938759A (zh) | 2023-07-26 | 2023-07-26 | 算网服务质量评价方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116938759A (zh) |
-
2023
- 2023-07-26 CN CN202310926195.1A patent/CN116938759A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107040397B (zh) | 一种业务参数获取方法及装置 | |
| CN103412918A (zh) | 一种基于服务质量和声誉的服务信任度评估方法 | |
| Ert et al. | Sampling experience reverses preferences for ambiguity | |
| CN110334356A (zh) | 文章质量的确定方法、文章筛选方法、以及相应的装置 | |
| CN111797320A (zh) | 数据处理方法、装置、设备及存储介质 | |
| CN109558384A (zh) | 日志分类方法、装置、电子设备和存储介质 | |
| CN112184046A (zh) | 广告业务用户价值评估方法、装置、设备及存储介质 | |
| CN112396211A (zh) | 一种数据预测方法及装置、设备和计算机存储介质 | |
| CN111582394B (zh) | 一种群体评估方法、装置、设备及介质 | |
| CN110909258B (zh) | 一种信息推荐方法、装置、设备及存储介质 | |
| CN113435713B (zh) | 基于gis技术和两模型融合的风险地图编制方法及系统 | |
| CN108416662B (zh) | 一种数据验证方法及装置 | |
| CN113205408A (zh) | 客户经理能力图谱生成方法及装置 | |
| CN109472455B (zh) | 活动评估方法、装置、电子设备及存储介质 | |
| CN116386813A (zh) | 手术间负荷均衡方法、装置、设备及存储介质 | |
| CN116938759A (zh) | 算网服务质量评价方法、装置、电子设备和存储介质 | |
| CN110717653A (zh) | 风险识别方法及装置和电子设备 | |
| CN114944219A (zh) | 基于人工智能的心理量表推荐方法及装置、存储介质 | |
| CN113822464A (zh) | 用户信息的处理方法及装置、电子设备、存储介质 | |
| KR20140073624A (ko) | 기업의 해외 진출 역량 평가 방법 | |
| CN113554532A (zh) | 经纪人列表页排序方法、存储介质及程序产品 | |
| CN111915166A (zh) | 一种团体活跃度的确定方法及装置 | |
| CN113177613A (zh) | 系统资源数据分配方法及装置 | |
| CN113365095B (zh) | 直播资源推荐方法、装置、电子设备以及存储介质 | |
| CN115297367B (zh) | 一种推荐方法、推荐装置、电子设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |